本發(fā)明涉及一種基于單目視覺的前方車輛檢測和測距算法，該方法提出了機(jī)器視覺與先驗(yàn)知識和幾何算法相結(jié)合的方法進(jìn)行車輛檢測，屬于圖像處理和機(jī)器視覺領(lǐng)域，可應(yīng)用于準(zhǔn)確高效的檢測出前方車輛并準(zhǔn)確測量車距。

背景技術(shù)：

道路交通事故給人民生命財(cái)產(chǎn)和國民經(jīng)濟(jì)帶來了巨大損失，而交通事故主要是由于車輛間沒有保持安全距離造成的。由此可見，及時(shí)檢測當(dāng)前車輛與前方車輛之間的距離并做出預(yù)警作為高級駕駛輔助系統(tǒng)中的一部分具有非常重要的意義。

在機(jī)器視覺進(jìn)行車輛檢測與跟蹤方面，主要分為兩類：一類是基于立體視覺，一類是基于單目視覺?；诹Ⅲw視覺的檢測方法采用對極幾何規(guī)則測量兩個(gè)目標(biāo)之間的距離，由于復(fù)雜的特征匹配，該方法需要很大的存儲空間，比較長的計(jì)算時(shí)間，而且對外界噪聲和光線比較敏感；基于單目視覺的檢測方法僅需要一個(gè)攝像頭，不需要考慮特征匹配問題，因此，該方法具有成本低，實(shí)時(shí)性好等優(yōu)點(diǎn)，適用于車輛安全輔助駕駛領(lǐng)域。

在單目視覺車輛測距方面，主要有三類方法：基于成像模型的方法；基于幾何關(guān)系的推導(dǎo)方法；基于數(shù)學(xué)回歸建模測距的方法。車輛檢測中基于成像模型用到的參數(shù)主要包括利用車身的影子、車燈、車身框架、車身的對稱性結(jié)構(gòu)等?；趲缀侮P(guān)系的推導(dǎo)方法用到的技術(shù)主要是建立車輛的數(shù)學(xué)模型，然后利用模型匹配方法實(shí)現(xiàn)車輛檢測。基于機(jī)器學(xué)習(xí)的算法主要用到神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和貝葉斯算法等技術(shù)。這些方法主要受車輛實(shí)際寬度、精確測量相機(jī)視野角與俯仰角、前期數(shù)據(jù)采集分析并計(jì)算數(shù)學(xué)模型的影響。

為了解決當(dāng)前車輛檢測和測距中存在的對光線敏感，實(shí)時(shí)性和精確性較差等問題，我們提出了一種利用車牌區(qū)域測量兩車距離的健壯的車距測量方法。通過Tsai兩步算法獲取相機(jī)內(nèi)部參數(shù)，然后，兩車之間距離通過相機(jī)內(nèi)部參數(shù)與車牌的大小和四個(gè)頂點(diǎn)計(jì)算得到。實(shí)驗(yàn)表明本方法能準(zhǔn)確有效的檢測出不同路況下的車輛并準(zhǔn)確測量車距，滿足實(shí)時(shí)性要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提出了一種基于單目視覺的前方車輛檢測與測距方法，該方法能夠準(zhǔn)確有效地檢測出不同天氣情況下的車輛，同時(shí)還能準(zhǔn)確測量車距。為此，本發(fā)明采用如下的技術(shù)方案：

1.獲取檢測圖像并進(jìn)行灰度化；

2.提取車牌區(qū)域；

3.獲取車牌四個(gè)頂點(diǎn)坐標(biāo)；

4.采用Tsai兩步算法校正相機(jī)內(nèi)部參數(shù)；

5.基于矩形測量理論，計(jì)算兩車之間的距離；

本發(fā)明具有如下技術(shù)特點(diǎn)：

1.方法簡單，易于實(shí)施。本發(fā)明利用機(jī)器視覺和幾何測量理論相結(jié)合的算法，通過對車輛前置攝像頭拍攝的圖片信息進(jìn)行分析計(jì)算，即可計(jì)算前后兩車之間的距離，計(jì)算速度高，不需要高精度的儀器設(shè)備，方法簡單實(shí)用。

2.準(zhǔn)確性高。本發(fā)明在檢測過程中，基于前車的車牌區(qū)域進(jìn)行測距，誤檢率較小，不容易受周圍環(huán)境的影響，提高了檢測精度。

3.對不同天氣和路況能夠滿足視覺車輛檢測、測距與實(shí)時(shí)性要求。

附圖說明

圖1：本發(fā)明總體方案流程圖。

圖2：由原始圖像得到車牌區(qū)域的過程。

圖3：車牌的投影圖像

具體實(shí)施方式

本發(fā)明的流程圖如圖1所示，首先將車載攝像機(jī)采集的視頻圖像變換為HSV顏色空間圖像，然后選取適當(dāng)?shù)念伾撝?，將彩色圖像轉(zhuǎn)化為二值圖像，再利用濾波技術(shù)濾除與車牌底色無關(guān)的背景像素點(diǎn)，增強(qiáng)牌照部位的像素信息。最后用投影法確定車牌的邊界位置，根據(jù)邊界位置把車牌從原圖像中提取出來，完成車牌提取部分。對提取的車牌邊界進(jìn)行線性化得到車牌區(qū)域的頂點(diǎn)坐標(biāo)。利用Tsai兩步算法和棋盤和算法對相機(jī)進(jìn)行內(nèi)部參數(shù)校正，最后利用得到的相機(jī)內(nèi)部參數(shù)和車牌的四個(gè)頂點(diǎn)運(yùn)用P4P算法進(jìn)行車距測量。

1.圖像獲取及灰度化

本實(shí)驗(yàn)采用的數(shù)據(jù)是從車輛前置攝像頭拍攝得到，相機(jī)安裝在車輛內(nèi)部前擋風(fēng)玻璃后視鏡下方，距離地面高度為1.2m。視頻采集于城郊快速路和高速公路。

(1)顏色空間的選擇

要處理彩色圖像，首先要選取合適的顏色空間。一般圖像常采用RGB三元彩色空間表示，但RGB三色空間中兩點(diǎn)間的歐氏距離與顏色距離不成線性比例。為了更好地進(jìn)行彩色牌照的分割，通過實(shí)驗(yàn)，本發(fā)明采用了HSV顏色空間。其中H參數(shù)表示色彩信息，即所處的光譜顏色的位置。該參數(shù)用一角度量來表示，紅、綠、藍(lán)分別相隔120°，互補(bǔ)色分別相差180°。S代表純度，為一比例值，范圍從0～1，它表示成所選顏色的純度和該顏色最大的純度之間的比率。S＝0時(shí)，只有灰度。V表示色彩的明亮程度，范圍從0～1，它和光強(qiáng)度之間并沒有直接地聯(lián)系。

根據(jù)HSV顏色空間的定義，對于任3個(gè)在[0,1]范圍內(nèi)的R、G、B值，其對應(yīng)HSV顏色空間中的V、S、H分量可以由下面給出的公式計(jì)算：

根據(jù)RGB空間到HSV空間的轉(zhuǎn)換關(guān)系，可以得到圖像轉(zhuǎn)換后每一個(gè)像素的色彩信息H，其中R、G、B分別為點(diǎn)像素的紅、綠、藍(lán)三色刺激值。

(2)彩色圖像的二值化

為了提高圖像處理的速度，將輸入的彩色圖像變換成二值圖像。變換方法為：設(shè)h(x,y)表示輸入圖像f中的點(diǎn)(x,y)在HSV顏色空間中H的值。H_f(x,y)是任一選中的代表車牌底色的點(diǎn)(x,y)在HSV顏色空間的H值。則有：如果H(x,y)∈[H_f(x,y)(1-k),H_f(x,y)(1+k)]，則N＝N+1,其中，k為計(jì)算的寬容度，k∈[0,1]；N是計(jì)數(shù)器，計(jì)算符合條件的點(diǎn)數(shù)。經(jīng)過以上過程，得到了如下定義的車牌底色二值圖像。

(3)濾波消噪

經(jīng)過轉(zhuǎn)換的二值圖像，存在一定的噪聲干擾，為了突出二值圖像的牌照區(qū)域特征，我們使用空間聚類技術(shù)對二值圖像進(jìn)行消噪和區(qū)域連通處理，具體做法是：

①將圖像分成k*k個(gè)區(qū)域，每個(gè)區(qū)域的大小為m×n；

②對每個(gè)區(qū)域R，按照如下定義進(jìn)行變換

其中其次，對車牌區(qū)域進(jìn)行區(qū)域連通。連通的目的是去除一些不必要的背景區(qū)域，保留目標(biāo)區(qū)域。通常連通區(qū)域的分析采用種子填充算法，但種子填充算法存在著壓棧過多、速度過慢，不適合進(jìn)行實(shí)時(shí)處理。為此，我們采用一種由Haralic與Shapirot提出的二維連通分析方法，簡稱H-S連通分析方法。

2.車牌的定位與提取

經(jīng)過濾波處理的二值圖像，車牌區(qū)域明顯突出，這就為車牌的定位與分割作好了準(zhǔn)備?；谒俣鹊目紤]，我們應(yīng)用投影法定位提取車牌區(qū)域。具體算法描述如下：

(1)對經(jīng)過二值轉(zhuǎn)換處理的車牌圖像進(jìn)行水平投影，即把二值圖像再水平方向上統(tǒng)計(jì)其賦值為1的像素。

(2)牌照區(qū)的上下邊界定位。取一閾值(設(shè)為T1)，自下而上掃描。將水平投影值大于T1的行取出，可以認(rèn)為這是車牌區(qū)域的下邊界，并命名為y1。因?yàn)?，通過實(shí)驗(yàn)發(fā)現(xiàn)大部分的圖片中存在這樣的一行：這一行大于閾值而且經(jīng)過車牌區(qū)域。然后繼續(xù)進(jìn)行掃描，將水平投影值小于T1的位置記下，可以認(rèn)為這是牌照區(qū)的上邊界，命名為y2。然而，y1和y2不一定是真正的車牌區(qū)域的上邊界與下邊界。為了確認(rèn)提取的區(qū)域含有車牌區(qū)域，加入了判斷式y(tǒng)2-y1≥t1。And.y2-y1≤t2，其中t1與t2是對大量圖片進(jìn)行測試而得到的車牌高度經(jīng)驗(yàn)值。經(jīng)過判斷，如果滿足條件就可以認(rèn)為y1、y2是牌照區(qū)的上下邊界，否則，y1:＝y(tǒng)2,重新開始掃描。ylow＝y(tǒng)1；yhigh＝y(tǒng)2。

(3)對二值圖像進(jìn)行垂直投影。垂直投影是在垂直方向上統(tǒng)計(jì)其賦值為1的像素?cái)?shù)。

(4)定位牌照區(qū)的左右邊界。用與(2)類似的方法，設(shè)一閾值為T2，自左向右掃描，將垂直投影大于和小于T2的列位置標(biāo)記為x1和x2，為了確認(rèn)提取的區(qū)域含有車牌區(qū)域，同樣加入了判斷式x2-x1≥s1.and.x2-x1≤s2，s1與s2是車牌寬度經(jīng)驗(yàn)值。經(jīng)過判斷，如果滿足條件就可以認(rèn)為x1、x2是牌照區(qū)的左右邊界，否則，x1:＝x2，重新開始掃描。xleft＝x1；xright＝x2。得到牌照的左右邊界xleft，xright。

(5)根據(jù)牌照區(qū)的四個(gè)邊界值，ylow,yhigh,xleft,xright在原圖像中提取車牌，如圖2中c所示。最終提取灰度化后的結(jié)果如圖2中d所示。

3.相機(jī)內(nèi)部參數(shù)校正

首先對相機(jī)定義一個(gè)三維坐標(biāo)系O-XYZ，對圖像定義一個(gè)二維坐標(biāo)系O₀-uv和一個(gè)世界坐標(biāo)系O’-X’Y’Z’，如圖3所示。其中A1，A2，A3，A4是實(shí)際車牌的四個(gè)頂點(diǎn)，而a1,a2,a3,a4是車牌映射到圖像上對應(yīng)的四個(gè)頂點(diǎn)。圖3中d1,d2,d3,d4分別是OA1，OA2，OA3和OA4的長度。在世界坐標(biāo)系中，任何點(diǎn)P(X’,Y’Z’)，對應(yīng)的二維(u,v)映射和三維坐標(biāo)(X,Y,Z)之間的關(guān)系，可以表述為：

其中K是相機(jī)內(nèi)部參數(shù)，我們采用一種與Tsai模型類似的帶有徑向畸變的針孔模型，改進(jìn)如下：

其中k為畸變系數(shù)，(u₀,v₀)是主點(diǎn)。K可以表示為：

K通過經(jīng)典的Tsai兩步算法和棋盤格算法得到。

4.距離測量

由第二步和第三步得到車牌的頂點(diǎn)和相機(jī)的內(nèi)部參數(shù)，我們利用P4P算法得到前后兩車之間的距離，算法可以表示如下：

其中，cosθ₁₂，cosθ₂₃，cosθ₃₄和cosθ₁₄分別在ΔOa₁a₂，ΔOa₂a₄，ΔOa₃a₄和ΔOa₁a₄中計(jì)算如圖3所示。W和H是一個(gè)車牌對應(yīng)的常量，由于國內(nèi)小車車牌的尺寸為寬度440，高度140，所以這里W和H分別取440和140。

通過對式(6)的求解可以得到d₁，d₂，d₃和d₄的值，我們利用幾何知識就可以得到前后兩車之間的距離d_oo'：

本發(fā)明提出一種基于單目視覺的前方車輛檢測與測距方法，該方法將機(jī)器視覺與幾何理論相結(jié)合利用車牌區(qū)域?qū)崿F(xiàn)車距測量。準(zhǔn)確有效的檢測出不同天氣情況下的車輛，同時(shí)還能準(zhǔn)確測量車距，解決了單一利用基于先驗(yàn)知識的方法對光照敏感的問題以及基于機(jī)器視覺的方法產(chǎn)生過多誤檢的問題，滿足智能車輛控制的實(shí)時(shí)性要求。